算法每日一题

#每日一题#一、算法编程大题1、作为一个手串艺人，有金主向你订购了一条包含n个杂色串珠的手串——每个串珠要么无色，要么涂了若干种颜色。

为了使手串的色彩看起来不那么单调，金主要求，手串上的任意一种颜色（不包含无色），在任意连续的m个串珠里至多出现一次（注意这里手串是一个环形）。

手串上的颜色一共有c种。

现在按顺时针序告诉你n个串珠的手串上，每个串珠用所包含的颜色分别有哪些。

请你判断该手串上有多少种颜色不符合要求。

即询问有多少种颜色在任意连续m个串珠中出现了至少两次。

——————头条18年编程2、游戏里面有很多各式各样的任务，其中有一种任务玩家只能做一次，这类任务一共有1024个，任务ID范围[1,1024]。

请用32个unsigned int类型来记录着1024个任务是否已经完成。

初始状态都是未完成。

输入两个参数，都是任务ID，需要设置第一个ID的任务为已经完成；并检查第二个ID的任务是否已经完成。

输出一个参数，如果第二个ID的任务已经完成输出1，如果未完成输出0。

如果第一或第二个ID不在[1,1024]范围，则输出-1。

-----------腾讯2018编程题二、算法编程选择题1、下列哪些机器学习算法不需要做数据归一化处理A K均值B 线性回归C 决策树D 朴素贝叶斯2、常见的缓解过拟合的方法有？A 正则化B 减少训练样本C DropoutD Batch normalization3、反向传播算法在进行误差更新时，神经元的误差更新与哪些因素有关？A 神经元激活函数B 上一层相关联的神经元误差C 网络权重值D 神经元输入4、下列哪几项属于生成式机器学习模型A 卷积神经网络B 朴素贝叶斯C 隐马尔科夫D 高斯判别分析三、技术类其他1、下面所述步骤中，哪一个不是创建进程所必须有的步骤?A.由调度程序为进程分配CPUB.建立一个进程控制块C.为进程分配内存D.将进程控制块链人就绪队列2、switch语句的条件表达式中不允许的数据类型是哪些?( )3、书架上有编号为1~19的19本书，从中拿5本,5本编号都不相邻的拿法种数是A.2002B.3003C.11628D.125894、存储过程是存储在数据库中的代码，具有很多优点。

下列陈述中不属于存一优点的是( )。

A。

可通过预编译机制提高数据操作的性能B。

可方便地按用户视图表达数据C。

可减少客户端和服务器端的网络流量D。

可实现一定的安全控制#每日一题#一、算法编程大题1、栈S中已存放若干大于0的整数元素。

试编写将S中元素进行排序的算法，使得S中元素自栈顶至栈底有序。

要求算法不借助任一辅助数据结构。

2、小明是一名算法工程师，同时也是一名铲屎官。

某天，他突发奇想，想从猫咪的视频里挖掘一些猫咪的运动信息。

为了提取运动信息，他需要从视频的每一帧提取“猫咪特征”。

一个猫咪特征是一个两维的vector<x, y>。

如果x_1=x_2and y_1=y_2，那么这俩是同一个特征。

因此，如果喵咪特征连续一致，可以认为喵咪在运动。

也就是说，如果特征<a, b>在持续帧里出现，那么它将构成特征运动。

比如，特征<a, b>在第2/3/4/7/8帧出现，那么该特征将形成两个特征运动2-3-4 和7-8。

现在，给定每一帧的特征，特征的数量可能不一样。

小明期望能找到最长的特征运动。

void FeatureSports(vector<vector<int> > feature){int maxlen = 0;vector<int> maxLenFea;maxLenFea.push_back(feature[0][0]);maxLenFea.push_back(feature[0][1]);int len = 1;int idx = 1;int i = 0;//从头到尾扫描一遍//扫描过程中比较while(idx<feature.size()){while(feature[idx][0] = maxLenFea[0] && feature[idx][1]==maxLenFea[1]){len++;idx++;}if(len>maxlen){maxlen = len;i = idx-len;len = 1;maxLenFea[0] = feature[i][0];maxLenFea[1] = feature[i][1];}}while(maxLen-->0){cout<<i++<<;}}二、算法编程选择题1、命名实体识别是指出文本中的人名、地名等专有名词和时间等，其中有有监督的命名实体识别和无监督的命名实体识别，下列选项哪些是属于有监督的学习方法（ A,B,C,D）A 字典法B 决策树C 隐马尔可夫模型D 支持向量机2、在统计语言模型中，通常以概率的形式描述任意语句的可能性，利用最大相似度估计进行度量，对于一些低频词，无论如何扩大训练数据，出现的频度仍然很低，下列哪种方法可以解决这一问题（B）A 一元切分B 一元文法C 数据平滑D N元文法3、文本信息检索的一个核心问题是文本相似度计算，将查询条件和文本之间的相似程度数值化，从而方便比较。

当文档和查询都表示成向量时，可以利用向量的内积的大小近似地表示两个向量之间的相关程度。

设有两个文档和查询抽取特征和去除停用词后分别是：文档d1: a、b、c、a、f、b、a、f、h文档d2: a、c查询q: a、c、a特征项集合为 {a、b、c、d、e、f、g、h}如果采用二值向量表示，那么利用内积法计算出q和d1、d2的相似度分别是（B ）A 1、1B 2、2C 7、2D 0、04、《同义词词林》的词类分类体系中，将词分为大类、种类、小类，下列说法正确的是（D）A 大类以小写字母表示B 小类以大写字母表示C 中类以阿拉伯数字表示D 中类有94个三、技术类其他1、C++中，下面4个表达式中错误的一项是(D )。

A.a+=(a++)C.(a++)+=aB.a+=(++a)D.(++a)+=(a++)2、某SRAM芯片容量为64K×16位，该芯片地址线和数据线个数分别为( A)A.16,16B.64,8C.16,64D.64,13、如果数据库满了会出现什么情况?是否还能使用?4、防火墙技术有多少种?你用过的有哪些?它的特点是什么?互联镖局五当家:#每日一题#一、算法编程大题1、n个元素(1,2,3，…，n)有n！个不同的排列，将这n！个排列按字典序排列，并编号为1,2，…，n！。

每个排列的编号为其字典序的值。

例如，当n=3时，其字典排序为123,132,213,231,312,321，这6个数的字典序值分别为1,2,3,4,5,6。

现给定任意n，输出字典序为k的排列。

2、从最低位到最高位进行排列，2、Young氏矩阵中可能会有一些∞数据项，表示不存在的元素。

所以 Young氏矩阵中保存的数据元素个数r≤m×n。

如果Y[1,1]=∞，则Y为空；如果Y[m，n]<∞,则Y是满的(包含m×n个元素)。

请完成一个函数，在不满的 Young氏矩阵Y中插入一个元素，使其仍为 Young氏矩阵。

#include<iostream>#include<vector>#include<exception>#include<algorithm>using namespace std;int main(){const int MaxInt = 0x777777;int T[3][3] = {2,4,6; 3,6,7; 9,11,MaxInt};int temp;cin>>temp;int m = 3;int n = 3;if(T[m][n]<MaxInt){throw new exception("this is a full matrix");}else{T[m][n]=temp;while(True){if(m>0 && T[m][n]<T[m-1][n]){maxi = m-1;maxj = n;}else{maxi = m;maxj = n;}if(n>0&& T[m][n-1]>T[maxi][maxj] ){maxi = m;maxj = n-1;}if(maxi !=m||maxj !=n){swap(T[maxi][maxj],T[m][n]);m = maxi;n = maxj;}}}for(int i = 0; i<3; ++i){for(int j = 0; j<3; ++j)std::cout<<T[i][j]<<"";std::cout<< std::endl;}return 0;}二、算法编程选择题1、TCP协议与UDP协议负责端到端连接，下列那些信息只出现在TCP报文，UDP 报文不包含此信息（ c）ADA 序列号B源端口C 目标端口D 窗口大小2、程序员编写程序时使用文件系统提供的系统调用将内存中由address地址开始的n个字节或n个记录的信息写入指定文件中，但发现文件名不可用，可行的解决办法是（c）A BA 使用文件描述符代替文件名B 使用文件句柄代替文件名C 使用当前进程的PCB编号代替D 以上办法都不可行3、某软件公司正在升级一套水务管理系统。

该系统用于县市级供排水企业、供水厂、排水厂中水务数据的管理工作。

系统经重新整合后，开发人员决定不再使用一张备份数据表waterinfo001表，需永久删除。

选出符合要求的语句。

A DELETE TABLE waterinfo001B DELETE FROM TABLE waterinfo001C DROP TABLE waterinfo001D DROP FROM TABLE waterinfo0014、下面关于Adaboost算法的描述中，错误的是（）A AdaBoost模型是弱分类器的线性组合互联镖局五当家:[图片]互联镖局五当家:B 提升树是以分类树或者回归树为基本分类器的提升办法，提升树被认为是统计学习中最有效的办法之一C AdaBoost算法的一个解释是该算法实际上是前向分步算法的一个实现，在这个方法里，模型是加法模型，损失函数是指数损失，算法是前向分步算法。

D AdaBoost同时独立地学习多个弱分类器技术类其他1、什么是分布式数据库?数据库分布在计算机网络的不同计算机上，网络中的每个节点具有独立处理的能力（场地自治），可以执行局部应用，同时，每个节点可以通过网络通信子系统执行全局应用。